SQL Server 2008 的新压缩特性

关于 SQL Server 压缩的故事，最早是从 SQL Server 2005 开始的，在企业版和开发版中增加了一种叫做 vardecimal 的新存储格式，这个表级的选项会影响到 decimal 和 numeric 字段。当对值的精度要求低于字段可用精度，如在一个 decimal（18,9）类型的字段中存储 1.5 这个数值时，存储上就需要有相应的压缩。从效果上来看，它就是一个 varchar 类型的数字型版本。

SQL Server 2008 所包含的已远不止这些小技巧， Chad Boyd 写到 ：

无论从哪方面来看，SQL Server 2008 的数据压缩都与现在有着巨大的差异（尽管它依然支持或者说包括 vardecimal 类型）——引起这种差异的真像是，如果你对一个给定的 table/index 启用压缩功能，那么底层的 row/page 格式将不再相同——是的，就是这样，你听得没错——如果你使用压缩（ROW 或者 PAGE），那么 SQL 2008 的 row/page 格式将不同于现有的格式（如果你只是在 table/index 上使用压缩的话）。因此，在 SQL 2008 中，有两种，没错，是两种可选 row/page 数据格式。你现在可能会想知道“那么，如果 row/page 格式改变了，那你们究竟是如何在这么短的时间内，依然有足够的时间去重新生成 SQL Server 所有需要识别这些格式的组件的呢？”答案就是我们不需要那样做——因为 Storage Engine 是 SQL 2008 中唯一一个需要知道新的 row/page 格式的组件。

行级压缩将大幅减少元数据所需的变量长度，较以前每个字段需要花费 2 个字节来存储，现在只要仅仅 3 个位。字段本身现在也变得更小，在整型字段中存储像 1 这样的数值，只需要一个字节，而大数值则最多只需要 4 个字节。

行级压缩则允许在行间共享共有数据。Chad 首先谈到的两种技术就是列前缀和页字典：

假设你在一页的数据行中有一列数据有这些值：‘Chad’、‘Chadwick’、‘Chadly’、‘Chad’、‘Chadster’、‘Chadwick’和‘Chadly’（故意重复的数值）——正如你所见，有相当多的冗余‘前缀’数据在这一页的同一列的不同行中，是吧？因此，你最终可能会想到这样的一个场景：将列的前缀‘Chad’存储在 CI 结构中，每一个列的最后都指向这个前缀值，最后出现在磁盘上的值会像这样：‘’，‘1wick’，‘1ly’，‘1ster’，‘1wick’和‘1ly’。

所以，对于上述例子中的含有 Chad 的同列数值，在经过对“列前缀”值进行计算和存储后，你可能得到一个会含有如‘1ly’和‘1wick’这些值的页字典，而真正行内数值则极有可能看上去像这样：‘’、‘2’、‘3’、‘’、‘1ster’、‘3’和‘2’。通过这种方式，我们让原本需要大约 25 个字节来存储的行数据，减少到只要大约 17 个字节来存储，节省 30％以上。

每一个页都是单独压缩的，前缀和字典也存储在页内。由于页是存储分配的原子单位，将半页压缩到四分之一页是没有任何意义的，所以，只有在页的内容快满的时候才会开始压缩处理。

在使用行和页压缩时还有一个性能权衡问题，因为 CPU 使用率会上升，但 I/O 使用率和内存占用会下降。

Backup Compression 是 2008 的另一个特性，它是通过普通的文件系统型压缩技术实现的，对于给定的数据库，只有启用或者禁用，没有其它可调节选项。

尽管非企业版服务器可以恢复带压缩的备份，但这所有的压缩选项极有可能成为企业版专享选项。

查看英文原文： New Compression Features in SQL Server 2008